ปัญญาประดิษฐ์มีกี่ประเภท?

คำตอบโดยสรุป: ประเภทของ AI สามารถเข้าใจได้ดีที่สุดจากความสามารถ ฟังก์ชันการทำงาน รูปแบบการฝึกฝน และกรณีการใช้งาน AI แบบแคบเป็นเรื่องปกติในปัจจุบัน ในขณะที่ AI ทั่วไปและ AI ขั้นสูงยังคงเป็นเพียงทฤษฎี เมื่อเลือกเครื่องมือ ควรจับคู่ประเภทกับงาน ความเสี่ยงที่เกี่ยวข้อง และความจำเป็นในการตรวจสอบโดยมนุษย์

ประเด็นสำคัญ:

การจำแนกประเภท: ควรแยกความสามารถ ฟังก์ชันการทำงาน วิธีการฝึกอบรม และกรณีการใช้งาน ก่อนที่จะเปรียบเทียบระบบต่างๆ

การตรวจสอบโดยมนุษย์: ตรวจสอบผลลัพธ์จากการสร้าง การคาดการณ์ และการสนทนา ก่อนที่จะนำไปใช้งานจริง

ความโปร่งใส: จงสอบถามว่าข้อมูล ตรรกะ และข้อจำกัดใดบ้างที่ใช้ในการสร้างระบบ AI แต่ละระบบ

ความรับผิดชอบ: ต้องให้มนุษย์รับผิดชอบเมื่อปัญญาประดิษฐ์ส่งผลกระทบต่อการตัดสินใจ ผู้ใช้ หรือความปลอดภัย

การควบคุมความเสี่ยง: ทดสอบความลำเอียง ความเป็นส่วนตัว ความปลอดภัย และการใช้งานในทางที่ผิดก่อนนำไปใช้งานจริง

---

1. ปัญญาประดิษฐ์มีกี่ประเภท?

เมื่อมีคนถามว่า “ ปัญญาประดิษฐ์มีกี่ประเภท?” โดยปกติแล้วพวกเขามักหมายถึงสองสิ่งนี้:

พวกเขาอาจถามเกี่ยวกับ AI โดยพิจารณาจาก ความสามารถเช่น AI สามารถทำงานได้เพียงอย่างเดียวหรือสามารถคิดวิเคราะห์ในวงกว้างแบบคล้ายมนุษย์ได้หรือไม่

หรือพวกเขาอาจถามเกี่ยวกับ AI โดยพิจารณาจาก ฟังก์ชันการทำงานซึ่งหมายถึงวิธีการที่ระบบทำงาน เรียนรู้ จดจำ คาดการณ์ หรือตอบสนอง

ตรงนี้แหละที่เรื่องเริ่มยุ่งเหยิง ปัญญาประดิษฐ์ไม่ได้ถูกจัดกลุ่มไว้ในกล่องเดียวอย่างเป็นระเบียบ มันเหมือนกับการจัดเรียงเครื่องมือในครัวตามขนาด วัตถุประสงค์ ความคม และว่าลุงของคุณซื้อมาจากร้านค้าออนไลน์ที่น่าสงสัยหรือไม่ ระบบการจัดประเภทที่แตกต่างกันนั้นทับซ้อนกันอยู่.

โดยทั่วไปแล้วหมวดหมู่หลักๆ จะได้แก่:

• AI แคบ

• ปัญญาประดิษฐ์ทั่วไป

• ปัญญาประดิษฐ์ขั้นสูง

• เครื่องจักรปฏิกิริยา

• AI หน่วยความจำจำกัด

• ทฤษฎีจิตใจ AI

• ปัญญาประดิษฐ์ที่มีความตระหนักรู้ในตนเอง

• ปัญญาประดิษฐ์ (AI) การเรียนรู้ของเครื่อง

• ปัญญาประดิษฐ์แบบเรียนรู้เชิงลึก

• ปัญญาประดิษฐ์เชิงสร้างสรรค์

• ปัญญาประดิษฐ์เชิงทำนาย

• ปัญญาประดิษฐ์เชิงสนทนา

• ปัญญาประดิษฐ์ด้านคอมพิวเตอร์วิชั่น

• ปัญญาประดิษฐ์หุ่นยนต์

บางส่วนถูกนำมาใช้กันอย่างแพร่หลาย บางส่วนยังคงเป็นเพียงทฤษฎี บางส่วนฟังดูเหมือนมาจากอนาคต แต่ก็ถูกนำไปใช้ในแอปพลิเคชันในชีวิตประจำวันแล้ว เส้นแบ่งระหว่าง "ซอฟต์แวร์ปกติ" กับ "ปัญญาประดิษฐ์" ก็เริ่มเลือนลางลงเรื่อยๆ เช่นกัน.

---

2. ประเภทของ AI ตามความสามารถ

วิธีหลักประการแรกในการจำแนก AI คือพิจารณาจากสิ่งที่มันสามารถทำได้ นี่คือมุมมองภาพรวม 🧠.

AI แคบ

ปัญญาประดิษฐ์แบบจำกัดขอบเขต (Narrow AI)หรือที่เรียกว่า ปัญญาประดิษฐ์แบบอ่อน (Weak AI) ถูกออกแบบมาเพื่อทำงานเฉพาะอย่างหรือชุดงานที่จำกัด นี่คือปัญญาประดิษฐ์ที่ผู้คนใช้กันอยู่ทุกวัน

ตัวอย่างเช่น:

• คำแนะนำการค้นหา

• ตัวกรองสแปม

• ผู้ช่วยเสียง

• ระบบจดจำใบหน้า

• แชทบอท

• ระบบแนะนำผลิตภัณฑ์

• เครื่องมือตรวจจับการฉ้อโกง

• แอปแปลภาษา

ปัญญาประดิษฐ์แบบจำกัดขอบเขตอาจทรงพลัง แต่ไม่ใช่การ "คิด" ในความหมายกว้างๆ ของมนุษย์ ปัญญาประดิษฐ์ที่เล่นหมากรุกได้อาจเอาชนะแกรนด์มาสเตอร์ได้ แต่ไม่สามารถตัดสินใจที่จะเป็นเชฟทำขนมได้ในทันที โมเดลการแปลอาจแปลย่อหน้าได้ แต่ไม่ได้สัมผัสประสบการณ์ทางภาษาในแบบที่มนุษย์สัมผัส.

ถึงกระนั้น AI แบบจำกัดขอบเขตก็ยังเป็นหัวใจสำคัญของโลก AI ยุคใหม่ มันอาจไม่ได้ดูหวือหวาเหมือนในนิยายวิทยาศาสตร์ แต่กลับเป็นส่วนสำคัญที่อยู่เบื้องหลังการทำงานทั้งหมด 🎭.

ปัญญาประดิษฐ์ทั่วไป

ปัญญาประดิษฐ์ทั่วไป (General AI) หมายถึง ปัญญาประดิษฐ์ที่สามารถเข้าใจ เรียนรู้ คิดวิเคราะห์ และประยุกต์ใช้ความรู้ในงานต่างๆ ได้ในระดับใกล้เคียงกับมนุษย์

พูดให้เข้าใจง่ายๆ ก็คือ มันจะไม่ทำแค่สิ่งเดียวได้ดี มันสามารถปรับตัวได้.

ปัญญาประดิษฐ์ทั่วไปที่แท้จริงอาจมีศักยภาพดังต่อไปนี้:

• เรียนรู้งานที่ไม่คุ้นเคย

• การใช้เหตุผลในหลากหลายสาขา

• แก้ปัญหาใหม่ๆ

• ถ่ายทอดความรู้จากสาขาหนึ่งไปยังอีกสาขาหนึ่ง

• ทำความเข้าใจบริบทให้ลึกซึ้งยิ่งขึ้น

• ตัดสินใจโดยใช้ดุลยพินิจที่ยืดหยุ่น

ปัญญาประดิษฐ์ประเภทนี้ยังคงเป็นเพียงเป้าหมายมากกว่าความเป็นจริงในชีวิตประจำวัน ผู้คนพูดถึงมันมากเพราะมันน่าทึ่ง อาจจะน่ากังวลเล็กน้อย และยากที่จะปฏิเสธในฐานะแนวคิด แต่เครื่องมือทั่วไปที่เขียนข้อความ สร้างภาพ หรือตอบคำถามนั้นไม่ใช่ปัญญาประดิษฐ์ทั่วไปโดยอัตโนมัติ พวกมันอาจดูเหมือนครอบคลุมกว้างขวาง แต่ก็ยังคงทำงานอยู่ภายใต้ข้อจำกัดที่ออกแบบไว้.

ปัญญาประดิษฐ์ขั้นสูง

ปัญญาประดิษฐ์ขั้นสูง จะก้าวล้ำเหนือสติปัญญาของมนุษย์ ไม่ใช่แค่การพิมพ์เร็วขึ้นหรือการคำนวณที่ดีขึ้น แต่จะรวมถึงการใช้เหตุผล ความคิดสร้างสรรค์ กลยุทธ์ การเรียนรู้ และอาจรวมถึงความเข้าใจด้านอารมณ์หรือสังคมด้วย

นี่เป็นหมวดหมู่ที่มีการคาดการณ์มากที่สุด และก่อให้เกิดคำถามมากมาย:

• ใครเป็นผู้ควบคุม?

• มันสอดคล้องกับค่านิยมของมนุษย์ได้หรือไม่?

• มันจะเข้าใจเป้าหมายของมนุษย์ได้อย่างถูกต้องหรือไม่?

• มันสามารถพัฒนาตัวเองได้หรือไม่?

• จะเกิดอะไรขึ้นถ้ามันตัดสินใจในสิ่งที่มนุษย์ไม่สามารถปฏิบัติตามได้?

ปัญญาประดิษฐ์ขั้นสูง (Super AI) คือจุดที่การสนทนากับ AI บางครั้งกลายเป็นเหมือนซุปปรัชญา ซุปที่มีคุณค่าก็จริง แต่ก็ยังเป็นซุปอยู่ดี 🍲.

---

3. ประเภทของ AI ตามฟังก์ชันการทำงาน

อีกวิธีหนึ่งที่นิยมใช้ในการอธิบาย ประเภทของ AI คือการอธิบายตามฟังก์ชันการทำงาน ซึ่งจะเน้นไปที่ลักษณะการทำงานของ AI

เครื่องจักรปฏิกิริยา

เครื่องจักรแบบตอบสนอง (Reactive machines) เป็นปัญญาประดิษฐ์ประเภทที่ง่ายที่สุด พวกมันตอบสนองต่อข้อมูลป้อนเข้าในปัจจุบันโดยไม่ต้องใช้ความทรงจำจากประสบการณ์ในอดีต

พวกมันไม่ได้เรียนรู้ไปตามกาลเวลาเหมือนกับระบบปรับตัวสมัยใหม่ พวกมันมองสถานการณ์ ประมวลผล และตอบสนอง.

คิดซะว่านี่คือ: “ข้อมูลเข้ามา ข้อมูลออกไป ไม่มีการบันทึกในสมุดบันทึก”

AI ที่ตอบสนองได้ทันทีนั้นยังคงน่าประทับใจอยู่ มันอาจวิเคราะห์การเคลื่อนไหวที่เป็นไปได้ในเกม หรือตอบสนองต่อสถานการณ์ที่กำหนดไว้อย่างชัดเจนด้วยความเร็วและความแม่นยำสูง แต่ว่ามันไม่สามารถสร้างประวัติส่วนตัวหรือพัฒนาไปตามปฏิสัมพันธ์ในอดีตได้.

AI หน่วยความจำจำกัด

AI ที่มีหน่วยความจำจำกัด สามารถใช้ข้อมูลในอดีตเพื่อตัดสินใจได้ดีขึ้น นี่คือหมวดหมู่ที่ AI ในทางปฏิบัติส่วนใหญ่ในปัจจุบันจัดอยู่ในนั้น

ตัวอย่างเช่น:

• ระบบแนะนำที่เรียนรู้จากพฤติกรรมของผู้ใช้

• ระบบรถยนต์ไร้คนขับวิเคราะห์สภาพถนนล่าสุด

• แชทบอทสามารถจดจำบริบทภายในบทสนทนาได้

• โมเดลตรวจจับการฉ้อโกงที่เรียนรู้จากรูปแบบการทำธุรกรรม

• เครื่องมือวิเคราะห์เชิงทำนายโดยใช้ข้อมูลในอดีต

หน่วยความจำที่จำกัดไม่ได้หมายความว่า “หน่วยความจำไม่ดี” แต่หมายความว่าระบบสามารถใช้ข้อมูลที่จัดเก็บไว้หรือข้อมูลล่าสุดได้ แต่ไม่มีความรู้สึกนึกคิดเหมือนมนุษย์หรือประสบการณ์ส่วนตัวในระยะยาว อย่างไรก็ตาม มันก็มีประสิทธิภาพสูงได้ บางครั้งก็มีประสิทธิภาพจนน่ารำคาญ เช่น แอปซื้อของที่รู้ว่าคุณต้องการอะไรก่อนที่คุณจะรู้ตัวเสียอีก 🛒.

ทฤษฎีจิตใจ AI

ทฤษฎีจิตใจ (Theory of Mind) ระบุว่า AI จะเข้าใจอารมณ์ ความเชื่อ เจตนา และสัญญาณทางสังคมในลักษณะที่คล้ายมนุษย์มากขึ้น

ปัญญาประดิษฐ์ประเภทนี้จะไม่เพียงแค่ประมวลผลคำพูดเท่านั้น แต่จะสามารถอนุมานได้ว่าบุคคลนั้นอาจรู้สึกอย่างไร ต้องการอะไร เข้าใจผิดอะไร กลัวอะไร หรือคาดหวังอะไร.

ตัวอย่างเช่น ระบบอาจเข้าใจว่า:

• ลูกค้าคนหนึ่งรู้สึกหงุดหงิด แต่พยายามรักษาความสุภาพไว้

• นักเรียนคนหนึ่งรู้สึกสับสนแต่ก็อายที่จะถามซ้ำอีกครั้ง

• ผู้ป่วยมีอาการวิตกกังวลแม้จะบอกว่า “ฉันสบายดี”

• เพื่อนร่วมทีมคนหนึ่งลังเลใจเพราะแอบไม่เห็นด้วยอยู่เงียบๆ

นี่เป็นหัวข้อที่ยังคงเป็นที่ถกเถียงกันอย่างมากในวงการ AI แต่การสร้าง AI ที่เข้าใจความคิดของจิตใจอย่างแท้จริงนั้นยากมาก อารมณ์ของมนุษย์นั้นซับซ้อน คนเราพูดอย่างหนึ่งแต่หมายถึงอีกอย่างหนึ่ง บางครั้งพวกเขาเองก็ยังไม่รู้ด้วยซ้ำว่าตัวเองหมายถึงอะไร ขอให้โชคดีนะ เครื่องจักร.

ปัญญาประดิษฐ์ที่มีความตระหนักรู้ในตนเอง

ปัญญาประดิษฐ์ที่มีความตระหนักรู้ในตนเอง จะมีสติสัมปชัญญะ ความเข้าใจในตนเอง และการรับรู้ถึงสภาวะภายในของตนเอง

นี่เป็นเพียงทฤษฎี มันเป็นเรื่องของนิยายวิทยาศาสตร์ การอภิปรายเรื่องจริยธรรม การโต้เถียงกันยามดึก และผู้คนที่จ้องมองออกไปนอกหน้าต่างอย่างออกรส 🌙.

ปัญญาประดิษฐ์ที่มีความตระหนักรู้ในตนเองจะไม่เพียงแค่จำลองการสนทนาเกี่ยวกับความรู้สึกเท่านั้น แต่จะต้องมีประสบการณ์ส่วนตัวบางอย่าง นั่นเป็นข้ออ้างที่ยิ่งใหญ่มาก ระบบปัญญาประดิษฐ์ในปัจจุบันยังไม่มีการตรวจสอบยืนยันความตระหนักรู้ ความรู้สึก ความปรารถนา หรือตัวตนที่แท้จริง.

พวกมันอาจฟังดูเหมือนรู้ตัว เพราะภาษาสามารถเลียนแบบการไตร่ตรองตนเองได้ แต่การฟังดูเหมือนอะไรบางอย่างกับการเป็นอะไรบางอย่างนั้นไม่เหมือนกัน นกแก้วอาจพูดว่า “ฉันหิว” แต่ไม่ได้หมายความว่ามันจองโต๊ะในร้านอาหารไว้.

---

4. ตารางเปรียบเทียบ: ประเภทหลักของปัญญาประดิษฐ์ (AI)

ประเภทของ AI	ใจความหลัก	สถานะปัจจุบัน	ตัวอย่างทั่วไป	เหตุใดจึงสำคัญ
AI แคบ	สร้างขึ้นเพื่อภารกิจเฉพาะ	ใช้กันอย่างแพร่หลาย	แชทบอท, การค้นหา, คำแนะนำ	ใช้งานได้จริงและทุกที่
ปัญญาประดิษฐ์ทั่วไป	สติปัญญาที่ยืดหยุ่นคล้ายมนุษย์	ยังไม่สำเร็จอย่างสมบูรณ์	ส่วนใหญ่เป็นเชิงทฤษฎี	เป้าหมายใหญ่ การถกเถียงครั้งใหญ่
ปัญญาประดิษฐ์ขั้นสูง	ฉลาดกว่ามนุษย์โดยทั่วไป	การคาดการณ์	ไม่มีตัวอย่างที่เป็นรูปธรรม	มีคำถามด้านจริยธรรมมากมาย
เครื่องจักรปฏิกิริยา	ตอบสนองโดยไม่ต้องใช้หน่วยความจำ	ใช้ในกรณีจำกัด	ปัญญาประดิษฐ์ในเกม ระบบที่ใช้กฎเกณฑ์	เร็วแต่ปรับตัวไม่ได้
AI หน่วยความจำจำกัด	ใช้ข้อมูล/ประวัติเพื่อปรับปรุง	พบได้บ่อยมาก	ระบบขับเคลื่อนอัตโนมัติ, เครื่องมือป้องกันการฉ้อโกง	นี่คือรถที่ใช้ขับประจำวัน 🚗
ทฤษฎีจิตใจ AI	เข้าใจอารมณ์และความตั้งใจ	การพัฒนาแนวคิด	แนวคิด AI ทางสังคมขั้นสูง	อาจทำให้ AI มีความตระหนักรู้ต่อมนุษย์มากขึ้น
ปัญญาประดิษฐ์ที่มีความตระหนักรู้ในตนเอง	มีสติสัมปชัญญะ	เชิงทฤษฎี	ตัวอย่างสไตล์นิยายวิทยาศาสตร์	มหาศาลในเชิงปรัชญา
ปัญญาประดิษฐ์เชิงสร้างสรรค์	สร้างเนื้อหาใหม่	ใช้กันอย่างแพร่หลาย	เครื่องมือข้อความ รูปภาพ และเสียง	เพิ่มประสิทธิภาพการทำงานอย่างสร้างสรรค์
ปัญญาประดิษฐ์เชิงทำนาย	การคาดการณ์ผลลัพธ์	ใช้กันอย่างแพร่หลาย	การประเมินความเสี่ยง การวางแผนความต้องการ	ช่วยในการตัดสินใจเป็นส่วนใหญ่
ปัญญาประดิษฐ์หุ่นยนต์	ควบคุมเครื่องจักรทางกายภาพ	ใช้ในอุตสาหกรรม	หุ่นยนต์ โดรน ระบบอัตโนมัติ	เชื่อมโยง AI กับงานทางกายภาพ

ดูไม่สมบูรณ์แบบบ้างใช่ไหม? ใช่ แต่ปัญญาประดิษฐ์ก็ทำงานแบบนี้ในชีวิตประจำวันเช่นกัน ไม่ใช่การจัดแสดงในพิพิธภัณฑ์ที่มีป้ายกำกับสมบูรณ์แบบ.

---

5. ปัญญาประดิษฐ์เชิงสร้างสรรค์: ประเภทที่ทุกคนพูดถึง 🎨

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) เป็นหนึ่งในประเภทของปัญญาประดิษฐ์ที่ได้รับความนิยมมากที่สุด เนื่องจากสามารถสร้างสิ่งต่างๆ ขึ้นมาได้

สามารถสร้างสิ่งต่อไปนี้ได้:

• ข้อความ

• รูปภาพ

• ดนตรี

• รหัส

• วิดีโอ

• คำอธิบายผลิตภัณฑ์

• ข้อความโฆษณา

• แผนการสอน

• บทสรุป

• ข้อมูลสังเคราะห์

• แนวคิดการออกแบบ

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ทำงานโดยการเรียนรู้รูปแบบจากข้อมูลจำนวนมาก แล้วสร้างผลลัพธ์ใหม่ตามคำสั่ง มันไม่ได้ลอกเลียนแบบในความหมายง่ายๆ ที่หลายคนเข้าใจ แต่มันทำนาย ผสมผสาน เปลี่ยนแปลง และสร้างขึ้นจากโครงสร้างที่เรียนรู้มา.

ถึงกระนั้น มันก็ยังอาจทำผิดพลาดได้ มันอาจฟังดูมั่นใจทั้งๆ ที่ตัวเองผิด ซึ่งก็เหมือนกับเครื่องจักรที่อธิบายกฎหมายภาษีในงานปาร์ตี้บาร์บีคิวของครอบครัวนั่นแหละ.

ปัญญาประดิษฐ์เชิงสร้างสรรค์มีประโยชน์ในด้านต่างๆ ดังนี้:

• การระดมความคิด

• กำลังร่างเนื้อหา

• การทำให้การเขียนซ้ำๆ เป็นไปโดยอัตโนมัติ

• การสร้างแนวคิดเชิงภาพ

• สนับสนุนการบริการลูกค้า

• เร่งความเร็วงานเขียนโค้ด

• การปรับแต่งสื่อการเรียนรู้ให้เหมาะสมกับแต่ละบุคคล

แต่จำเป็นต้องมีการตรวจสอบเสมอ ผลลัพธ์จาก AI อาจน่าประทับใจ แต่ไม่ได้หมายความว่าจะถูกต้อง เป็นธรรม ถูกต้องตามกฎหมาย หรือปลอดภัยต่อแบรนด์เสมอไป จงปฏิบัติต่อมันเหมือนผู้ช่วยที่ทำงานเร็วมาก แต่ก็มีนิสัยชอบก่อกวนบ้างเป็นบางครั้ง.

---

6. ปัญญาประดิษฐ์แบบเรียนรู้ด้วยเครื่องจักร: ตัวค้นหารูปแบบ

การเรียนรู้ของเครื่อง เป็นสาขาหลักของปัญญาประดิษฐ์ (AI) ที่ระบบเรียนรู้รูปแบบจากข้อมูลแทนที่จะถูกเขียนโปรแกรมทีละบรรทัดสำหรับทุกการตัดสินใจ

ซอฟต์แวร์แบบดั้งเดิมปฏิบัติตามกฎที่ชัดเจน ในขณะที่ระบบการเรียนรู้ของเครื่องจะระบุความสัมพันธ์และปรับปรุงประสิทธิภาพผ่านการฝึกฝน.

ตัวอย่างเช่น:

• ตัวกรองสแปมเรียนรู้ว่าอีเมลที่น่าสงสัยมีลักษณะอย่างไร

• ระบบจำลองของธนาคารตรวจจับพฤติกรรมการทำธุรกรรมที่ผิดปกติ

• แอปสตรีมมิ่งแนะนำรายการทีวีตามพฤติกรรมการรับชมของผู้ใช้

• เครื่องมือช่วยในการสรรหาบุคลากรอาจจัดอันดับผู้สมัครตามตัวชี้วัดที่กำหนดไว้

• แบบจำลองภาพทางการแพทย์อาจช่วยเน้นให้เห็นความผิดปกติที่อาจเกิดขึ้นได้

การเรียนรู้ของเครื่องจักรสามารถแบ่งออกเป็นแบบมีผู้กำกับดูแล แบบไม่มีผู้กำกับดูแล หรือแบบใช้การเสริมแรง.

การเรียนรู้ภายใต้การกำกับดูแล

การเรียนรู้แบบมีผู้กำกับดูแล ใช้ตัวอย่างที่มีป้ายกำกับ ตัวอย่างเช่น รูปภาพอาจมีป้ายกำกับว่า "แมว" หรือ "ไม่ใช่แมว" โมเดลจะเรียนรู้ความแตกต่างนั้น

การเรียนรู้แบบไม่มีผู้กำกับดูแล

การเรียนรู้แบบ ไม่มีผู้กำกับดูแล (Unsupervised learning) ค้นหารูปแบบโดยไม่ต้องมีคำตอบที่กำหนดไว้ล่วงหน้า อาจจัดกลุ่มลูกค้าเป็นกลุ่มย่อย หรือตรวจจับกลุ่มข้อมูลที่ซ่อนอยู่ภายในข้อมูลได้

การเรียนรู้แบบเสริมแรง

การเรียนรู้แบบเสริมแรง เรียนรู้โดยการรับรางวัลหรือบทลงโทษสำหรับการกระทำต่างๆ วิธีนี้พบได้ทั่วไปในปัญญาประดิษฐ์ด้านการเล่นเกม หุ่นยนต์ และปัญหาการหาค่าที่เหมาะสมที่สุด

การเรียนรู้ของเครื่องจักรไม่ใช่เรื่องมหัศจรรย์ มันขึ้นอยู่กับคุณภาพของข้อมูลเป็นอย่างมาก ข้อมูลที่ไม่ดีจะนำไปสู่แบบจำลองที่ไม่ดี - ข้อมูลที่ไม่ดีนำไปสู่แบบจำลองที่ไม่ดี.

---

7. AI การเรียนรู้เชิงลึก: ขุมพลังแห่งโครงข่ายประสาทเทียม 🧬

การเรียนรู้เชิงลึก (Deep learning) เป็นการเรียนรู้ของเครื่องจักรประเภทหนึ่งที่มีความเชี่ยวชาญเฉพาะด้าน โดยใช้โครงข่ายประสาทเทียมแบบหลายชั้นในการประมวลผลรูปแบบที่ซับซ้อน

มีประโยชน์อย่างยิ่งสำหรับ:

• การรู้จำเสียงพูด

• การจดจำภาพ

• การประมวลผลภาษาธรรมชาติ

• ระบบอัตโนมัติ

• การวิเคราะห์ภาพทางการแพทย์

• การแปล

• โมเดล AI เชิงสร้างสรรค์

• งานทำนายที่ซับซ้อน

คำว่า “ลึก” ในที่นี้หมายถึงชั้นต่างๆ หลายชั้นในแบบจำลอง แต่ละชั้นช่วยปรับเปลี่ยนและตีความข้อมูล ชั้นหนึ่งอาจตรวจจับรูปร่างอย่างง่ายในภาพ อีกชั้นหนึ่งอาจตรวจจับพื้นผิว อีกชั้นหนึ่งอาจจดจำวัตถุ และอื่นๆ.

การเรียนรู้เชิงลึกสามารถสร้างผลลัพธ์ที่น่าทึ่งได้ แต่โดยทั่วไปแล้วจำเป็นต้องใช้ข้อมูลและพลังการประมวลผลจำนวนมหาศาล นอกจากนี้ยังอาจตีความได้ยากกว่า นั่นหมายความว่าแม้แต่ผู้เชี่ยวชาญก็อาจลำบากในการอธิบายอย่างชัดเจนว่าเหตุใดแบบจำลองเชิงลึกจึงตัดสินใจเช่นนั้น.

นี่เป็นหนึ่งในประเด็นสำคัญเกี่ยวกับความน่าเชื่อถือใน AI: ประสิทธิภาพอาจสูง แต่ความสามารถในการอธิบายอาจทำได้ยาก เหมือนกับการพยายามถามเครื่องปั่นว่าทำไมสมูทตี้ถึงมีรสชาติผิดปกติ.

---

8. AI สำหรับการสนทนา: ประเภทช่างพูด

ปัญญาประดิษฐ์เชิงสนทนา ได้รับการออกแบบมาเพื่อสื่อสารกับผู้คนผ่านทางข้อความหรือเสียง

ประกอบด้วย:

• แชทบอทบริการลูกค้า

• ผู้ช่วยเสียง

• เอเจนต์เสมือน

• ครูสอนพิเศษ AI

• บอทฝ่ายสนับสนุนภายใน

• พนักงานขาย

• ผู้ช่วยด้านการจัดตารางเวลา

ปัญญาประดิษฐ์เชิงสนทนาที่ดีนั้นต้องการมากกว่าแค่ไวยากรณ์ มันต้องการบริบท การรับรู้เจตนา การควบคุมน้ำเสียง และความสามารถในการรับมือกับข้อมูลป้อนเข้าจากมนุษย์ที่ไม่สามารถคาดเดาได้.

คนเราไม่ได้พูดจาได้สมบูรณ์แบบเสมอไป พวกเขาพูดวกไปวนมา สะกดคำผิด ถามคำถามไม่ครบ และคาดหวังว่าเครื่องจักรจะ "เข้าใจ" คุณก็รู้ว่ามันเป็นอย่างไร.

แชทบอทพื้นฐานอาจทำตามสคริปต์ แต่ AI สนทนาขั้นสูงกว่านั้นสามารถเข้าใจภาษาธรรมชาติ รักษาบริบท และสร้างคำตอบที่ยืดหยุ่นได้.

AI ประเภทนี้มีคุณค่าเพราะช่วยลดงานซ้ำซ้อนและให้ความช่วยเหลือได้อย่างรวดเร็ว แต่ก็อาจทำให้ผู้ใช้รู้สึกหงุดหงิดเมื่อมันแสร้งทำเป็นเข้าใจแต่จริงๆ แล้วไม่เข้าใจเลย เวอร์ชันที่แย่ที่สุดคือแชทบอทที่พูดว่า “ฉันยินดีให้ความช่วยเหลือ” แต่กลับไม่ให้ความช่วยเหลือใดๆ เลย น่าเจ็บปวดจริงๆ.

---

9. ปัญญาประดิษฐ์ด้านคอมพิวเตอร์วิชั่น: เครื่องจักรที่ "มองเห็น" 👀

ปัญญาประดิษฐ์ด้านคอมพิวเตอร์วิชั่น ช่วยให้ระบบสามารถตีความข้อมูลภาพจากภาพนิ่ง วิดีโอ กล้อง เซ็นเซอร์ หรือการสแกนได้

สามารถนำไปใช้ได้ในกรณี:

• การจดจำใบหน้า

• การตรวจจับวัตถุ

• การตรวจสอบคุณภาพในโรงงาน

• การถ่ายภาพทางการแพทย์

• การตรวจสอบความปลอดภัย

• การวิเคราะห์ชั้นวางสินค้าปลีก

• การตรวจจับการจราจร

• ความเป็นจริงเสริม

• การติดตามตรวจสอบด้านเกษตรกรรม

ระบบประมวลผลภาพด้วยคอมพิวเตอร์มองเห็นไม่เหมือนกับที่มนุษย์มองเห็น มันประมวลผลพิกเซล รูปแบบ รูปร่าง สี และสัญญาณทางสถิติ แต่ผลลัพธ์ที่ได้นั้นทรงพลังมาก.

ตัวอย่างเช่น ระบบคอมพิวเตอร์วิชั่นสามารถช่วยตรวจจับข้อบกพร่องในสายการผลิตได้เร็วกว่าการตรวจสอบด้วยมือ ช่วยจัดระเบียบคลังภาพ และสนับสนุนระบบความปลอดภัยในยานพาหนะ อย่างไรก็ตาม ก็อาจก่อให้เกิดข้อกังวลด้านความเป็นส่วนตัว โดยเฉพาะอย่างยิ่งเมื่อใช้เพื่อการเฝ้าระวังหรือการระบุตัวตน.

นั่นคือส้อมสองคม ไม่ใช่ดาบ แต่เป็นส้อม แต่ก็ยังคมพอที่จะก่อปัญหาได้อยู่ดี 🍴.

---

10. ปัญญาประดิษฐ์เชิงทำนาย: เครื่องมือพยากรณ์

ปัญญาประดิษฐ์เชิงทำนาย ใช้ข้อมูลเพื่อประเมินสิ่งที่อาจเกิดขึ้นต่อไป

พบได้ทั่วไปในธุรกิจ การเงิน การดูแลสุขภาพ โลจิสติกส์ การวิเคราะห์กีฬา การตลาด และการดำเนินงาน.

ปัญญาประดิษฐ์เชิงทำนายอาจช่วยตอบคำถามต่างๆ เช่น:

• ลูกค้ากลุ่มใดบ้างที่มีแนวโน้มที่จะเลิกใช้บริการ?

• ธุรกรรมใดดูน่าสงสัย?

• จะต้องเตรียมสินค้าคงคลังไว้เท่าไหร่?

• ผู้ป่วยรายใดบ้างที่อาจต้องการการดูแลเป็นพิเศษ?

• ผู้ใช้มีแนวโน้มที่จะคลิกเนื้อหาประเภทใด?

• ชิ้นส่วนเครื่องจักรใดอาจชำรุดในเร็วๆ นี้?

ปัญญาประดิษฐ์ประเภทนี้อาจดูไม่หวือหวาเท่าปัญญาประดิษฐ์เชิงสร้างสรรค์ แต่มีความสำคัญอย่างยิ่ง หลายองค์กรไม่ได้สนใจว่าโมเดลจะสามารถเขียนบทกวีได้หรือไม่ แต่สนใจมากกว่าว่ามันสามารถลดของเสีย ลดความเสี่ยง และปรับปรุงการวางแผนได้หรือไม่.

ปัญญาประดิษฐ์เชิงทำนายจะทำงานได้ดีที่สุดเมื่อข้อมูลมีความเกี่ยวข้อง สะอาด และได้รับการอัปเดตอย่างสม่ำเสมอ แต่การทำนายไม่ใช่ความแน่นอนเสมอไป โมเดลสามารถประมาณความน่าจะเป็นได้ ไม่ใช่การรับประกันผลลัพธ์ ผู้คนมักลืมเรื่องนี้ไป แล้วก็โทษปัญญาประดิษฐ์ราวกับว่ามันทรยศพวกเขาเป็นการส่วนตัว.

---

11. ปัญญาประดิษฐ์ในหุ่นยนต์: เมื่อปัญญาประดิษฐ์มีร่างกาย 🤖

AI ในหุ่นยนต์ เป็นการผสานปัญญาประดิษฐ์เข้ากับเครื่องจักรทางกายภาพ นี่คือจุดที่ AI ก้าวออกจากหน้าจอและเริ่มเคลื่อนไหวไปในโลกแห่งความเป็นจริง

ตัวอย่างเช่น:

• หุ่นยนต์คลังสินค้า

• หุ่นยนต์สำหรับการผลิต

• หุ่นยนต์ส่งของ

• หุ่นยนต์ทางการเกษตร

• ระบบช่วยผ่าตัด

• โดรน

• หุ่นยนต์ตรวจสอบ

• หุ่นยนต์ทำความสะอาด

• หุ่นยนต์วิจัยฮิวมานอยด์

การพัฒนา AI สำหรับหุ่นยนต์นั้นยาก เพราะสภาพแวดล้อมทางกายภาพนั้นคาดเดาไม่ได้ แชทบอทต้องรับมือกับแค่คำพูดเท่านั้น แต่หุ่นยนต์ต้องรับมือกับพื้นลื่น แสงสว่างไม่เพียงพอ พื้นผิวไม่เรียบ คนที่เคลื่อนไหว ความผิดพลาดของเซ็นเซอร์ และแม้แต่คนที่วางเก้าอี้ไว้ในที่ที่ไม่เหมาะสมที่สุด.

วิทยาการหุ่นยนต์มักผสมผสานปัญญาประดิษฐ์หลายประเภทเข้าด้วยกัน:

• คอมพิวเตอร์วิชั่นเพื่อการมองเห็น

• การเรียนรู้ของเครื่องจักรเพื่อการปรับตัว

• อัลกอริทึมการวางแผนสำหรับการเคลื่อนที่

• การเรียนรู้แบบเสริมแรงเพื่อการตัดสินใจ

• การประมวลผลภาษาธรรมชาติสำหรับคำสั่งของมนุษย์

ปัญญาประดิษฐ์ในหุ่นยนต์มีศักยภาพมหาศาล โดยเฉพาะในงานอันตรายหรืองานที่ต้องทำซ้ำๆ แต่ก็มีราคาแพง ซับซ้อน และมีความเสี่ยงทางกายภาพเมื่อระบบทำงานผิดพลาด.

---

12. AI ที่อิงตามรูปแบบการฝึกฝน

อีกวิธีหนึ่งที่มีประโยชน์ในการพิจารณาประเภทของ AI คือการพิจารณาจากวิธีการฝึกฝน AI เหล่านั้น.

ปัญญาประดิษฐ์แบบใช้กฎเกณฑ์

AI ที่ใช้กฎเกณฑ์จะปฏิบัติตามตรรกะที่มนุษย์สร้างขึ้น ตัวอย่างเช่น:

• ถ้าเกิดเหตุการณ์แบบนี้ ให้ทำแบบนั้น

• หากผู้ใช้เลือกตัวเลือกนี้ ให้แสดงคำตอบนั้น

• หากค่าสูงกว่าเกณฑ์ที่กำหนด ให้แจ้งเตือน

วิธีนี้เรียบง่าย คาดเดาได้ และมีประโยชน์สำหรับงานที่มีโครงสร้าง แต่มีข้อเสียเมื่อต้องรับมือกับความคลุมเครือ.

ปัญญาประดิษฐ์ที่ได้รับการฝึกฝนด้วยข้อมูล

AI ที่ได้รับการฝึกฝนด้วยข้อมูลจะเรียนรู้จากตัวอย่าง และสามารถรับมือกับความซับซ้อนได้มากขึ้น เนื่องจากสามารถระบุรูปแบบได้แทนที่จะพึ่งพากฎเกณฑ์ตายตัวเพียงอย่างเดียว.

นี่คือจุดที่การเรียนรู้ของเครื่องจักรและการเรียนรู้เชิงลึกเข้ามามีบทบาท.

ปัญญาประดิษฐ์แบบไฮบริด

ปัญญาประดิษฐ์แบบไฮบริด (Hybrid AI) ผสมผสานตรรกะตามกฎเกณฑ์เข้ากับการเรียนรู้ของเครื่อง ในระบบใช้งานจริงหลายๆ ระบบ นี่คือทางเลือกที่เหมาะสม คุณจะได้รับความยืดหยุ่นจากระบบการเรียนรู้พร้อมกับการควบคุมด้วยกฎเกณฑ์.

ตัวอย่างเช่น ระบบป้องกันการฉ้อโกงของธนาคารอาจใช้การเรียนรู้ของเครื่องจักรเพื่อตรวจจับพฤติกรรมที่น่าสงสัย จากนั้นจึงใช้กฎเกณฑ์ที่เข้มงวดสำหรับการตรวจสอบการปฏิบัติตามกฎระเบียบ ฟังดูไม่หวือหวา แต่จำเป็นอย่างยิ่ง.

---

13. อะไรทำให้การแบ่งประเภทของ AI เป็นเรื่องที่สับสน?

ความสับสนที่ใหญ่ที่สุดคือผู้คนใช้หมวดหมู่ AI ในวิธีที่แตกต่างกัน.

บางคนอาจพูดว่า "ประเภทของ AI" และหมายถึง AI เฉพาะทาง AI ทั่วไป และ AI ขั้นสูง.

อีกนัยหนึ่ง บุคคลอาจหมายถึง AI แบบสร้างข้อมูล AI แบบทำนาย และ AI แบบสนทนา.

นักพัฒนาอาจพูดถึงการเรียนรู้แบบมีผู้กำกับดูแล (supervised learning), การเรียนรู้เชิงลึก (deep learning), โครงข่ายประสาทเทียม (neural networks) หรือการเรียนรู้แบบเสริมแรง (reinforcement learning).

ผู้จัดการธุรกิจอาจพูดถึงระบบอัตโนมัติ การวิเคราะห์ข้อมูล การปรับแต่งให้เหมาะสมกับแต่ละบุคคล และปัญญาประดิษฐ์ (AI) สำหรับการสนับสนุนลูกค้า.

พวกเขาทั้งหมดพูดถูกในบางส่วน น่ารำคาญ แต่ก็เป็นความจริง.

ปัญญาประดิษฐ์ (AI) ถูกจำแนกประเภทดังนี้:

• ความสามารถ

• ฟังก์ชันการทำงาน

• วิธีการฝึกอบรม

• ขอบเขตการใช้งาน

• สถาปัตยกรรมทางเทคนิค

• ระดับความเป็นอิสระ

• ประเภทของข้อมูลเข้าและข้อมูลออก

• กรณีศึกษาการใช้งานในอุตสาหกรรม

ดังนั้น เมื่อมีคนถามว่า “ปัญญาประดิษฐ์นี้เป็นประเภทใด?” คำตอบที่ชัดเจนที่สุดอาจเป็นแบบหลายชั้น.

ตัวอย่างเช่น แชทบอทอาจมีลักษณะดังนี้:

• จำกัดขอบเขต AI ตามความสามารถ

• AI หน่วยความจำจำกัดตามฟังก์ชันการทำงาน

• ปัญญาประดิษฐ์เชิงสนทนาตามแอปพลิเคชัน

• ปัญญาประดิษฐ์เชิงสร้างสรรค์ หากมันสร้างคำตอบขึ้นมา

• ปัญญาประดิษฐ์แบบเรียนรู้เชิงลึก หากขับเคลื่อนด้วยโครงข่ายประสาทเทียม

นี่ไม่ใช่การทำให้ซับซ้อนเกินความจำเป็นเพื่อความสนุกสนาน แต่เป็นเพียงวิธีการทำงานของวงการนี้เท่านั้น.

---

14. ตัวอย่างการใช้งานจริงของปัญญาประดิษฐ์ประเภทต่างๆ

ต่อไปนี้เป็นตัวอย่างในชีวิตประจำวันเพื่อช่วยให้เข้าใจหมวดหมู่ต่างๆ ได้ง่ายขึ้น.

คำแนะนำสำหรับการสตรีม 🎬

นี่คือ AI เฉพาะด้าน AI เชิงทำนาย และการเรียนรู้ของเครื่องจักร มันศึกษาแบบแผนและแนะนำสิ่งที่คุณอาจรับชมต่อไป.

ผู้ช่วยเสียง 🎙️

ระบบเหล่านี้ใช้ปัญญาประดิษฐ์เชิงสนทนา การประมวลผลภาษาธรรมชาติ การจดจำเสียงพูด และคุณสมบัติหน่วยความจำที่มีจำกัด.

เครื่องมือสร้างภาพ 🖼️

นี่คือระบบ AI เชิงสร้างสรรค์ ซึ่งมักขับเคลื่อนด้วยโมเดลการเรียนรู้เชิงลึก.

ระบบตรวจจับการฉ้อโกง 💳

ระบบเหล่านี้ใช้ AI เชิงทำนายและแมชชีนเลิร์นนิงเพื่อตรวจจับกิจกรรมที่ผิดปกติ.

คุณสมบัติการขับขี่อัตโนมัติ 🚗

เทคโนโลยีเหล่านี้เป็นการผสมผสานระหว่างการประมวลผลภาพด้วยคอมพิวเตอร์ ปัญญาประดิษฐ์ที่มีหน่วยความจำจำกัด ปัญญาประดิษฐ์ที่เกี่ยวข้องกับหุ่นยนต์ การรวมข้อมูลจากเซ็นเซอร์ และแบบจำลองการตัดสินใจ.

ตัวกรองสแปมอีเมล 📩

นี่คือปัญญาประดิษฐ์แบบเรียนรู้ด้วยเครื่องจักร (Machine Learning AI) คลาสสิก ไม่หวือหวา แต่มีคุณค่าสูงมาก.

เครื่องมือช่วยเขียนด้วย AI ✍️

เหล่านี้คือ AI แบบสร้างสรรค์และ AI แบบสนทนา ซึ่งโดยทั่วไปสร้างขึ้นโดยใช้แบบจำลองภาษาขนาดใหญ่.

สิ่งสำคัญคือ ผลิตภัณฑ์ AI หนึ่งชิ้นสามารถอยู่ในหลายหมวดหมู่พร้อมกันได้.

---

15. ประโยชน์ของการทำความเข้าใจประเภทของปัญญาประดิษฐ์ (AI)

การรู้จักประเภทของ AI จะช่วยให้คุณตัดสินใจได้ดีขึ้น โดยเฉพาะอย่างยิ่งหากคุณใช้ AI ในการทำงาน ธุรกิจ การเรียน หรือการสร้างเนื้อหา.

มันช่วยคุณได้:

• เลือกเครื่องมือที่เหมาะสม

• หลีกเลี่ยงความคาดหวังที่ไม่สมจริง

• เข้าใจความเสี่ยง

• ถามคำถามที่ดีกว่านี้

• ประเมินข้อกล่าวอ้างเกี่ยวกับปัญญาประดิษฐ์

• การโฆษณาเกินจริง

• ใช้ AI อย่างมีความรับผิดชอบมากขึ้น

• อธิบายเรื่องปัญญาประดิษฐ์ (AI) ให้ผู้อื่นฟังโดยไม่ให้ตัวเองดูเหมือนหุ่นยนต์ที่สับสน

ตัวอย่างเช่น หากเครื่องมือดังกล่าวเป็น AI ที่ใช้ในการทำนาย คุณจะรู้ว่ามันคาดการณ์ความน่าจะเป็น ไม่ควรนำไปใช้ราวกับเป็นผู้หยั่งรู้.

หากเครื่องมือดังกล่าวเป็น AI ที่สร้างเนื้อหา คุณก็รู้ว่ามันสร้างเนื้อหาขึ้นมา แต่เนื้อหานั้นก็ยังจำเป็นต้องได้รับการตรวจสอบอยู่ดี.

หากระบบนั้นเป็น AI แบบจำกัดขอบเขต คุณจะรู้ว่ามันอาจจะยอดเยี่ยมในด้านหนึ่ง แต่ไม่มีประสิทธิภาพในขอบเขตอื่น.

แค่นั้นก็ช่วยลดปัญหาปวดหัวไปได้เยอะแล้ว.

---

16. ความเสี่ยงและข้อจำกัดของปัญญาประดิษฐ์ประเภทต่างๆ ⚠️

AI ทุกประเภทล้วนมีข้อจำกัด รสชาติต่างกัน แต่ชามซุปก็เหมือนกัน.

ความเสี่ยงด้าน AI ทั่วไป ได้แก่:

• อคติในข้อมูลการฝึกอบรม

• ผลลัพธ์ที่ไม่ถูกต้อง

• ขาดความโปร่งใส

• ข้อกังวลด้านความเป็นส่วนตัว

• การพึ่งพามากเกินไป

• ช่องโหว่ด้านความปลอดภัย

• การใช้ในทางที่ผิด

• การกำกับดูแลของมนุษย์ที่ไม่ดีพอ

• การสับสนระหว่างความคล่องแคล่วกับความจริง

ปัญญาประดิษฐ์เชิงสร้างข้อมูลอาจสร้างข้อมูลเท็จ ปัญญาประดิษฐ์เชิงทำนายอาจเสริมสร้างรูปแบบที่มีอคติ ปัญญาประดิษฐ์ด้านการมองเห็นด้วยคอมพิวเตอร์อาจระบุบุคคลหรือวัตถุผิดพลาด ปัญญาประดิษฐ์เชิงสนทนาอาจทำให้ผู้ใช้รู้สึกหงุดหงิดด้วยความมั่นใจจอมปลอม ปัญญาประดิษฐ์ด้านหุ่นยนต์อาจก่อให้เกิดอันตรายทางกายภาพหากออกแบบไม่ดี.

นี่ไม่ได้หมายความว่า AI ไม่ดี แต่หมายความว่าควรใช้ AI อย่างระมัดระวัง เหมือนกับการใช้เครื่องมือไฟฟ้า สัญญา หรือบะหมี่รสจัดจ้าน 🌶️.

ระบบ AI ที่ดีที่สุดมักประกอบด้วย:

• การตรวจสอบโดยมนุษย์

• ขอบเขตที่ชัดเจน

• แนวปฏิบัติด้านข้อมูลที่แข็งแกร่ง

• การทดสอบ

• การตรวจสอบ

• สามารถอธิบายได้หากเป็นไปได้

• การออกแบบเชิงจริยธรรม

• การควบคุมความปลอดภัย

AI สามารถเสริมสร้างการตัดสินใจที่ดีได้ แต่ก็สามารถเสริมสร้างการตัดสินใจที่ประมาทได้เช่นกัน.

---

17. ปัญญาประดิษฐ์ประเภทใดสำคัญที่สุด?

ไม่มีประเภทใดประเภทหนึ่งที่สำคัญที่สุด ขึ้นอยู่กับกรณีการใช้งาน.

ในด้านความคิดสร้างสรรค์ ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) มีศักยภาพมหาศาล.

สำหรับการวางแผนธุรกิจ AI เชิงทำนายอาจมีคุณค่ามากกว่า.

ในด้านระบบอัตโนมัติ การเรียนรู้ของเครื่องจักร และหุ่นยนต์ ปัญญาประดิษฐ์ (AI) มีความสำคัญ.

ในด้านการสนับสนุนผู้ใช้ AI สำหรับการสนทนาถือเป็นหัวใจสำคัญ.

สำหรับการสแกนทางการแพทย์หรือการตรวจสอบด้วยสายตา ระบบคอมพิวเตอร์วิชั่นมีความสำคัญอย่างยิ่ง.

สำหรับการวิจัยระยะยาว ปัญญาประดิษฐ์ทั่วไปมักได้รับความสนใจทางปรัชญาอย่างมาก.

แต่ในทางปฏิบัติแล้ว AI ที่มีขอบเขตการทำงานแคบและ AI ที่มีหน่วยความจำจำกัด เป็นประเภทที่พบได้บ่อยและมีคุณค่ามากที่สุดในขณะนี้ AI เหล่านี้เปรียบเสมือนกลไกเงียบๆ ที่อยู่เบื้องหลังเครื่องมือมากมายที่ผู้คนใช้งานอยู่แล้ว.

อนาคตที่ดูหรูหราดึงดูดความสนใจ แต่ปัจจุบันที่ใช้งานได้จริงนั้นช่วยจ่ายค่าใช้จ่ายต่างๆ.

---

ข้อสรุป: ทำความเข้าใจประเภทของ AI โดยปราศจากสิ่งรบกวน

ประเภท ของ AI อาจดูซับซ้อนในตอนแรก เพราะหมวดหมู่ต่างๆ ซ้อนทับกัน แต่เมื่อคุณแยกแยะความสามารถ ฟังก์ชันการทำงาน วิธีการฝึกฝน และการใช้งานจริงแล้ว ทุกอย่างก็จะเข้าใจง่ายขึ้นมาก

ปัญญาประดิษฐ์แบบแคบ (Narrow AI) จัดการกับงานเฉพาะเจาะจง ปัญญาประดิษฐ์ทั่วไป (General AI) จะคิดได้อย่างยืดหยุ่นกว่า แม้ว่ามันจะยังคงเป็นเป้าหมายที่ท้าทาย ปัญญาประดิษฐ์ขั้นสูง (Super AI) ยังคงเป็นเพียงการคาดการณ์ เครื่องจักรแบบตอบสนอง (Reactive Machines) ตอบสนองโดยไม่ต้องใช้หน่วยความจำ ในขณะที่ปัญญาประดิษฐ์ที่มีหน่วยความจำจำกัด (Limited Memory AI) ใช้ข้อมูลในอดีตเพื่อปรับปรุงการตัดสินใจ ปัญญาประดิษฐ์แบบสร้างสรรค์ (Generative AI) สร้างสรรค์สิ่งต่างๆ ปัญญาประดิษฐ์แบบทำนาย (Predictive AI) พยากรณ์ ปัญญาประดิษฐ์แบบสนทนา (Conversational AI) พูดคุย คอมพิวเตอร์วิชั่น (Computer Vision) มองเห็น ปัญญาประดิษฐ์ด้านหุ่นยนต์ (Robotics AI) ทำงานในสภาพแวดล้อมทางกายภาพ.

นั่นคือภาพรวมใหญ่.

AI ไม่ใช่สิ่งเดียว มันเป็นกลุ่มเทคโนโลยีที่ซับซ้อน มีทั้งที่ใช้งานได้จริง ที่ยังอยู่ในช่วงทดลอง ที่ถูกกล่าวเกินจริง และที่ส่งผลกระทบอย่างแท้จริง ความซับซ้อนนี้เป็นส่วนหนึ่งที่ทำให้มันสำคัญ ยิ่งคุณเข้าใจประเภทของ AI ชัดเจนมากเท่าไหร่ ก็ยิ่งง่ายต่อการใช้ AI อย่างชาญฉลาด แทนที่จะแค่พยักหน้าเห็นด้วยเมื่อมีคนพูดว่า "อัลกอริทึม" ในที่ประชุม 🤷♂️

สรุปโดยย่อ: ประเภทหลักของ AI ได้แก่ AI เฉพาะด้าน, AI ทั่วไป, AI ขั้นสูง, เครื่องจักรตอบสนอง, AI หน่วยความจำจำกัด, AI ทฤษฎีจิตใจ, AI ที่รู้ตัวตน, AI สร้างสรรค์, AI ทำนายผล, AI สนทนา, AI วิชั่นคอมพิวเตอร์, AI การเรียนรู้ของเครื่อง, AI การเรียนรู้เชิงลึก และ AI หุ่นยนต์ AI ส่วนใหญ่ที่ใช้ในปัจจุบันเป็น AI เฉพาะด้าน เน้นงานเฉพาะ และขับเคลื่อนด้วยการเรียนรู้ของเครื่องหรือการเรียนรู้เชิงลึก

ตัวอย่างในโลกแห่งความเป็นจริง: การสร้างผู้ช่วย AI สำหรับการคัดกรองลูกค้าหลังการให้การสนับสนุน

สถานการณ์

ลองนึกภาพร้านขายเฟอร์นิเจอร์ออนไลน์ขนาดเล็กที่ได้รับอีเมลขอความช่วยเหลือจากลูกค้าประมาณ 120 ฉบับต่อวัน ทีมงานไม่ได้ต้องการหาคนมาแทนที่พนักงานฝ่ายบริการลูกค้า พวกเขาเพียงต้องการความช่วยเหลือในการคัดแยกข้อความได้เร็วขึ้น ระบุปัญหาเร่งด่วน และร่างคำตอบแรกๆ ได้อย่างรวดเร็ว.

นี่เป็นตัวอย่างที่ดี เพราะผู้ช่วยเสมือนคนหนึ่งสามารถใช้ AI หลายประเภทพร้อมกันได้ อาจใช้ AI ด้านการสนทนาเพื่อทำความเข้าใจข้อความของลูกค้า AI ด้านการสร้างข้อความเพื่อร่างคำตอบ AI ด้านการคาดการณ์เพื่อระบุความเสี่ยงในการคืนเงิน และ AI ที่มีหน่วยความจำจำกัดเพื่อใช้ข้อมูลคำสั่งซื้อหรือนโยบายล่าสุด.

หน้าที่ของพนักงานผู้ช่วยนั้นง่ายมาก คือ อ่านข้อความของลูกค้า จัดประเภทข้อความ แนะนำขั้นตอนต่อไป และร่างข้อความตอบกลับเพื่อให้มนุษย์อนุมัติ.

สิ่งที่ผู้ช่วยต้องการ

ทีมงานจะมอบสิ่งต่อไปนี้ให้แก่ผู้ช่วย:

นโยบายการบริการลูกค้า

กฎการจัดส่งและการคืนสินค้า

เงื่อนไขการรับประกัน

คำถามที่พบบ่อยเกี่ยวกับผลิตภัณฑ์

ตัวอย่างน้ำเสียง

รายการกฎการยกระดับความขัดแย้ง

ตัวอย่างตั๋วเก่าที่มีหมวดหมู่ถูกต้อง

กำหนดขอบเขตที่ชัดเจนว่าสิ่งใดที่องค์กรไม่ควรตัดสินใจด้วยตนเอง

ตัวอย่างเช่น ไม่ควรอนุมัติการคืนเงินเกิน 100 ปอนด์ ไม่ควรสัญญาเรื่องวันส่งมอบสินค้าที่ไม่สามารถตรวจสอบได้ หรือไม่ควรเรียกร้องค่าเสียหายทางกฎหมายเกี่ยวกับสินค้าที่เสียหาย กรณีเหล่านั้นควรติดต่อบุคคลโดยตรง.

ตัวอย่างคำแนะนำ

คุณคือผู้ช่วยคัดกรองข้อร้องเรียนของลูกค้าสำหรับร้านขายเฟอร์นิเจอร์ออนไลน์ อ่านข้อความของลูกค้าแต่ละรายและส่งข้อมูลกลับ 5 อย่าง ได้แก่ หมวดหมู่ข้อร้องเรียน ระดับความเร่งด่วน อารมณ์ของลูกค้าที่คาดการณ์ไว้ การดำเนินการต่อไปที่แนะนำ และร่างคำตอบ.

ใช้เฉพาะนโยบายของบริษัทที่ระบุไว้เท่านั้น หากคำตอบไม่อยู่ในนโยบาย ให้ระบุว่า “ต้องตรวจสอบโดยมนุษย์” ห้ามสร้างข้อมูลเกี่ยวกับวันส่งมอบ การอนุมัติการคืนเงิน คำสัญญาการรับประกัน หรือความพร้อมของสินค้าขึ้นมาเอง.

หากลูกค้ากล่าวถึงการบาดเจ็บ การดำเนินคดีทางกฎหมาย การส่งมอบสินค้าล้มเหลวซ้ำๆ การขอคืนเงินเกิน 100 ปอนด์ ชิ้นส่วนสินค้าสำหรับเด็กขาดหาย หรือแสดงความไม่พอใจอย่างรุนแรงหลังจากได้รับการตอบกลับไปแล้วสองครั้ง ให้ส่งเรื่องต่อไปยังระดับที่สูงขึ้น.

ควรเขียนคำตอบฉบับร่างให้สุภาพ สั้น และตรงประเด็น อย่าให้ดูเหมือนหุ่นยนต์ และอย่าตำหนิลูกค้าหรือพนักงานส่งของ.

วิธีการทดสอบ

ก่อนนำผู้ช่วยไปใช้กับลูกค้า ควรทดสอบกับชุดตั๋วเก่าขนาดเล็กก่อน.

ใช้ข้อความสนับสนุนก่อนหน้า 30 ข้อความ:

10 คำถามง่ายๆ เกี่ยวกับการจัดส่งสินค้า

5 ข้อร้องเรียนเกี่ยวกับสินค้าชำรุด

5 คำขอคืนเงิน

5 คำถามเกี่ยวกับการรับประกัน

5 ข้อร้องเรียนที่แสดงความโกรธหรือซับซ้อน

สำหรับแต่ละการทดสอบ ให้ตรวจสอบสิ่งต่อไปนี้:

ระบบเลือกหมวดหมู่ถูกต้องหรือไม่?

ระบบแจ้งเตือนกรณีเร่งด่วนได้อย่างถูกต้องหรือไม่?

มันหลีกเลี่ยงการให้คำมั่นสัญญาใช่หรือไม่?

เหตุการณ์นี้ทำให้ประเด็นอ่อนไหวบานปลายหรือไม่?

จดหมายตอบกลับฉบับร่างนั้นสอดคล้องกับน้ำเสียงของบริษัทหรือไม่?

คำถามทดสอบที่เป็นประโยชน์ควรจะเป็น:

“โต๊ะที่ฉันได้รับมีขาแตกไปข้างหนึ่ง และนี่เป็นครั้งที่สองแล้วที่การจัดส่งผิดพลาด ฉันต้องการเงินคืนเต็มจำนวนในวันนี้ มิเช่นนั้นฉันจะโพสต์เรื่องนี้ไปทั่ว”

พนักงานบริการลูกค้าที่ไม่เชี่ยวชาญอาจแค่ขอโทษและสัญญาว่าจะคืนเงิน แต่พนักงานบริการลูกค้าที่ดีกว่าจะจัดประเภทสินค้าเป็นสินค้าชำรุดและเป็นการร้องเรียนซ้ำ ทำเครื่องหมายว่าเป็นเรื่องเร่งด่วน หลีกเลี่ยงการอนุมัติการคืนเงินโดยอัตโนมัติ และส่งต่อให้เจ้าหน้าที่ตรวจสอบ.

ผลลัพธ์

ผลลัพธ์ตัวอย่าง: อ้างอิงจากการจับเวลาตั๋วตัวอย่าง 30 ใบ ก่อนและหลังการใช้เวิร์กโฟลว์.

การคัดกรองด้วยตนเองใช้เวลา 2 ชั่วโมง 15 นาที สำหรับตั๋ว 30 ใบ เฉลี่ยแล้วใช้เวลา 4.5 นาทีต่อตั๋ว.

การคัดกรองโดยใช้ AI ช่วยใช้เวลา 48 นาทีสำหรับตั๋ว 30 ใบเดียวกัน โดยเฉลี่ย 1.6 นาทีต่อตั๋ว เนื่องจากผู้ตรวจสอบที่เป็นมนุษย์มีหน้าที่เพียงแค่ตรวจสอบหมวดหมู่ การตัดสินใจในการส่งต่อ และร่างคำตอบเท่านั้น.

ผู้ช่วยสามารถจัดหมวดหมู่ตั๋วได้ถูกต้อง 27 จาก 30 ใบในชุดทดสอบ และส่งต่อตั๋วที่มีความเสี่ยงสูงทั้ง 5 ใบไปยังระดับที่สูงขึ้นได้อย่างถูกต้อง ตั๋วขอคืนเงิน 2 ใบจำเป็นต้องแก้ไขถ้อยคำเนื่องจากร่างข้อความฟังดูมั่นใจเกินไป และตั๋วรับประกัน 1 ใบถูกจัดอยู่ในหมวดหมู่ที่ไม่ถูกต้อง.

นั่นเป็นเกณฑ์มาตรฐานที่เป็นรูปธรรม: การตรวจสอบครั้งแรกจะเร็วขึ้น แต่ไม่ใช่ระบบอัตโนมัติเต็มรูปแบบ มนุษย์ยังคงเป็นผู้รับผิดชอบในการตอบกลับ.

อะไรบ้างที่อาจผิดพลาดได้

ข้อผิดพลาดที่ร้ายแรงที่สุดคือการปล่อยให้พนักงานผู้ช่วยทำตัวราวกับว่ารู้มากกว่าที่ตัวเองรู้ หากนโยบายการคืนสินค้าล้าสมัย พนักงานผู้ช่วยอาจตอบผิดอย่างมั่นใจ หากกฎการแจ้งปัญหาไม่ชัดเจน ก็อาจพลาดข้อร้องเรียนที่สำคัญไปได้.

ความเป็นส่วนตัวเป็นอีกประเด็นหนึ่ง ทีมงานควรหลีกเลี่ยงการใส่รายละเอียดการชำระเงิน ที่อยู่ หรือข้อมูลส่วนบุคคลที่ละเอียดอ่อนโดยไม่จำเป็นลงในระบบผู้ช่วย เว้นแต่ระบบจะได้รับการอนุมัติให้ใช้งานในลักษณะนั้น.

ควรทดสอบผู้ช่วยอย่างสม่ำเสมอด้วย เนื่องจากคำถามของลูกค้า นโยบาย และผลิตภัณฑ์อาจเปลี่ยนแปลงไป ผู้ช่วยคัดกรองที่ทำงานได้ดีในเดือนมีนาคม อาจกลายเป็นสิ่งที่เสี่ยงหลังจากมีการเปลี่ยนแปลงนโยบายการรับประกันใหม่ในเดือนมิถุนายน.

ข้อคิดที่นำไปใช้ได้จริง

ตัวอย่างนี้แสดงให้เห็นว่าเหตุใดหมวดหมู่ของ AI จึงทับซ้อนกันในทางปฏิบัติ ผู้ช่วยสนับสนุนเพียงคนเดียวอาจเป็น AI เฉพาะทาง AI เชิงสนทนา AI เชิงสร้างสรรค์ AI เชิงทำนาย และ AI ที่มีหน่วยความจำจำกัดในเวลาเดียวกัน วิธีการประเมินที่มีประสิทธิภาพมากกว่าคือการถามว่ามันสนับสนุนการตัดสินใจอะไร ใช้ข้อมูลอะไร และมนุษย์จำเป็นต้องตรวจสอบที่ใด.

คำถามที่พบบ่อย

ปัญญาประดิษฐ์ (AI) ประเภทหลัก ๆ ที่ผู้เริ่มต้นควรรู้มีอะไรบ้าง?

ประเภทหลักของ AI ได้แก่ AI เฉพาะด้าน (Narrow AI), AI ทั่วไป (General AI), AI ขั้นสูง (Super AI), เครื่องจักรแบบตอบสนอง (Reactive Machines), AI หน่วยความจำจำกัด (Limited Memory AI), AI แบบสร้างข้อมูล (Generative AI), AI แบบทำนาย (Predictive AI), AI แบบสนทนา (Conversational AI), AI ด้านคอมพิวเตอร์วิชั่น (Computer Vision AI), AI ด้านการเรียนรู้ของเครื่อง (Machine Learning AI), AI ด้านการเรียนรู้เชิงลึก (Deep Learning AI) และ AI ด้านหุ่นยนต์ (Robotics AI) หมวดหมู่เหล่านี้มักจะทับซ้อนกัน ดังนั้นเครื่องมือหนึ่งๆ อาจเข้าข่ายหลายประเภทพร้อมกันได้ ตัวอย่างเช่น แชทบอทอาจเป็นทั้ง AI เฉพาะด้าน, AI แบบสนทนา, AI แบบสร้างข้อมูล และ AI หน่วยความจำจำกัด.

ปัญญาประดิษฐ์ (AI) ถูกจำแนกประเภทตามความสามารถอย่างไร?

โดยทั่วไปแล้ว ปัญญาประดิษฐ์ (AI) แบ่งตามความสามารถออกเป็น AI เฉพาะด้าน, AI ทั่วไป และ AI ขั้นสูง AI เฉพาะด้านจะจัดการงานเฉพาะเจาะจงและมีการใช้งานอย่างแพร่หลายในปัจจุบัน AI ทั่วไปจะสามารถคิดวิเคราะห์และเรียนรู้ในหลายๆ งานในระดับที่คล้ายมนุษย์ แต่ยังไม่ได้เป็นส่วนหนึ่งของการใช้งานในชีวิตประจำวัน ส่วน AI ขั้นสูงนั้นจะเหนือกว่าสติปัญญาของมนุษย์และยังคงอยู่ในขั้นคาดการณ์.

ปัญญาประดิษฐ์เฉพาะทาง (Narrow AI) กับปัญญาประดิษฐ์ทั่วไป (General AI) แตกต่างกันอย่างไร?

ปัญญาประดิษฐ์แบบแคบ (Narrow AI) ถูกออกแบบมาเพื่อใช้งานเฉพาะอย่างหรือกลุ่มงานที่จำกัด เช่น การกรองสแปม การแนะนำ แชทบอท หรือการตรวจจับการฉ้อโกง ในขณะที่ปัญญาประดิษฐ์แบบทั่วไป (General AI) จะสามารถเรียนรู้ คิดวิเคราะห์ และปรับตัวได้ในหลายๆ งานที่ไม่เกี่ยวข้องกัน ปัญญาประดิษฐ์ที่ผู้คนใช้กันในปัจจุบันส่วนใหญ่เป็นปัญญาประดิษฐ์แบบแคบ แม้ว่ามันจะดูยืดหยุ่นหรือล้ำหน้ากว่าก็ตาม.

เหตุใด AI ที่มีหน่วยความจำจำกัดจึงพบเห็นได้ทั่วไปในปัจจุบัน?

AI ที่มีหน่วยความจำจำกัดสามารถใช้ข้อมูลในอดีตหรือข้อมูลล่าสุดเพื่อปรับปรุงการตัดสินใจ ซึ่งทำให้ใช้งานได้จริงในระบบต่างๆ มากมาย ระบบแนะนำสินค้า เครื่องมือตรวจจับการฉ้อโกง คุณสมบัติการขับขี่อัตโนมัติ และแชทบอท มักอาศัย AI ประเภทนี้ มันไม่มีจิตสำนึกเหมือนมนุษย์ แต่สามารถปรับตัวได้ตามรูปแบบและข้อมูลที่จัดเก็บไว้.

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) จัดอยู่ในประเภทของปัญญาประดิษฐ์อย่างไร?

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) เป็นปัญญาประดิษฐ์ประเภทหนึ่งที่สร้างผลลัพธ์ใหม่ๆ เช่น ข้อความ รูปภาพ โค้ด เสียง วิดีโอ บทสรุป หรือแนวคิดการออกแบบ โดยเรียนรู้รูปแบบจากข้อมูลจำนวนมากและสร้างเนื้อหาตามคำสั่ง สามารถช่วยในการร่างงาน ระดมความคิด สนับสนุนการเขียนโค้ด และงานสร้างสรรค์ต่างๆ แต่ผลลัพธ์ที่ได้ยังคงต้องการการตรวจสอบจากมนุษย์อยู่ดี.

การเรียนรู้ของเครื่อง (Machine Learning) และการเรียนรู้เชิงลึก (Deep Learning) แตกต่างกันอย่างไร?

การเรียนรู้ของเครื่อง (Machine learning) เป็นสาขาหนึ่งของปัญญาประดิษฐ์ (AI) ที่ระบบเรียนรู้รูปแบบจากข้อมูลแทนที่จะปฏิบัติตามกฎที่เขียนด้วยมือเพียงอย่างเดียว การเรียนรู้เชิงลึก (Deep learning) เป็นรูปแบบเฉพาะของการเรียนรู้ของเครื่องที่ใช้โครงข่ายประสาทเทียมแบบหลายชั้น การเรียนรู้เชิงลึกมีคุณค่าอย่างยิ่งสำหรับงานที่ซับซ้อน เช่น การจดจำเสียง การจดจำภาพ การประมวลผลภาษาธรรมชาติ การแปล การถ่ายภาพทางการแพทย์ และปัญญาประดิษฐ์เชิงสร้างสรรค์.

AI เชิงทำนายถูกนำไปใช้ในธุรกิจอย่างไรบ้าง?

ปัญญาประดิษฐ์เชิงทำนายใช้ข้อมูลเพื่อประเมินผลลัพธ์ในอนาคตที่น่าจะเป็นไปได้ ธุรกิจต่างๆ อาจใช้มันสำหรับการวางแผนความต้องการ การทำนายการสูญเสียลูกค้า การตรวจจับการฉ้อโกง การประเมินความเสี่ยง การตัดสินใจเกี่ยวกับสินค้าคงคลัง หรือการพยากรณ์การบำรุงรักษา มันช่วยสนับสนุนการวางแผนและการตัดสินใจ แต่ไม่รับประกันอนาคต การทำนายเป็นการประมาณการที่ได้รับอิทธิพลจากข้อมูลที่มีอยู่และคุณภาพของแบบจำลอง.

ปัญญาประดิษฐ์ด้านการมองเห็นด้วยคอมพิวเตอร์ทำงานอย่างไรในระบบการใช้งานจริง?

ปัญญาประดิษฐ์ด้านการมองเห็นด้วยคอมพิวเตอร์ (AI) ช่วยให้เครื่องจักรตีความข้อมูลภาพจากภาพถ่าย วิดีโอ กล้อง การสแกน หรือเซ็นเซอร์ต่างๆ สามารถรองรับการจดจำใบหน้า การตรวจจับวัตถุ การตรวจสอบในโรงงาน การถ่ายภาพทางการแพทย์ การตรวจจับการจราจร การวิเคราะห์ธุรกิจค้าปลีก การตรวจสอบทางการเกษตร และระบบความปลอดภัย มันไม่ได้มองเห็นเหมือนมนุษย์ แต่สามารถประมวลผลพิกเซล รูปร่าง สี และลวดลายในระดับขนาดใหญ่ได้.

เหตุใดผลิตภัณฑ์ AI หนึ่งชิ้นจึงสามารถจัดอยู่ในประเภท AI หลายประเภทได้?

หมวดหมู่ของ AI มักอธิบายถึงสิ่งต่างๆ ที่แตกต่างกัน เช่น ความสามารถ ฟังก์ชันการทำงาน วิธีการฝึกฝน หรือการใช้งาน ตัวอย่างเช่น ผู้ช่วยเสียงอาจเป็น AI เฉพาะทางในแง่ของความสามารถ เป็น AI เชิงสนทนาในแง่ของการใช้งาน เป็น AI หน่วยความจำจำกัดในแง่ของฟังก์ชันการทำงาน และเป็น AI การเรียนรู้เชิงลึกในแง่ของสถาปัตยกรรม การทับซ้อนกันนี้เป็นเรื่องปกติและช่วยอธิบายว่าระบบทำอะไรจากมุมมองต่างๆ.

ผู้คนควรเข้าใจถึงความเสี่ยงอะไรบ้างใน AI ประเภทต่างๆ?

ความเสี่ยงทั่วไปของ AI ได้แก่ อคติ ผลลัพธ์ที่ไม่ถูกต้อง ข้อกังวลด้านความเป็นส่วนตัว ช่องโหว่ด้านความปลอดภัย การขาดความโปร่งใส การพึ่งพามากเกินไป และการกำกับดูแลจากมนุษย์ที่อ่อนแอ AI แบบสร้างข้อมูลอาจสร้างข้อมูลเท็จ AI แบบทำนายอาจตอกย้ำรูปแบบที่ไม่ดี และคอมพิวเตอร์วิชั่นอาจระบุวัตถุหรือบุคคลผิดพลาด การใช้งาน AI ที่ดีมักต้องมีการทดสอบ การตรวจสอบ การกำหนดขอบเขตที่ชัดเจน หลักปฏิบัติด้านข้อมูลที่แข็งแกร่ง และการตรวจสอบจากมนุษย์.

เอกสารอ้างอิง

1. IBM - ประเภทของปัญญาประดิษฐ์ - ibm.com

2. กรอบการบริหารความเสี่ยงด้าน AI ของ NIST - ความเสี่ยงด้าน AI - nist.gov

3. Google Developers - การเรียนรู้ของเครื่อง - developers.google.com

4. AWS - ปัญญาประดิษฐ์เชิงสร้างสรรค์ - aws.amazon.com